CrewAI 是面向开发者的多 Agent 协作框架，用「角色 + 任务 + 流程」三件套把多个 AI Agent 组成一个团队，Python 写几行就能跑起一条完整工作流，Apache 2.0 开源。
工具介绍
CrewAI 由 João Moura 于 2023 年推出，基于 LangChain 构建，完全开源（Apache 2.0），核心用户是 AI 应用开发者、企业 AI 团队和研究机构。它和单 Agent 框架的差别在于：你不是在一个 Agent 上加工具，而是定义一支队伍——研究员、写手、审查员各司其职。
抽象程度拿捏得比较实用：比 LangChain 更靠近业务，也比 AutoGen 那套概念更好落地。截至 2026 年 7 月，CrewAI 在 GitHub 的 Star 超 30k，PyPI 下载超 1000 万次。
核心功能
1. 角色化 Agent
每个 Agent 有明确角色、目标与可用工具。
2. 任务与流程编排
Sequential / Hierarchical 两种协作流程，任务有明确的输入输出。
3. 工具与记忆
Agent 可调用搜索、爬虫、数据库、API，并共享短期与长期记忆。
4. 任务委派与人工介入
Agent 之间可以互相委派，关键节点支持 human-in-the-loop。
5. 可观测与成本控制
对接 LangSmith / OpenTelemetry，内置 LLM 结果缓存降低调用成本。
使用场景
- 复杂任务自动化：调研 → 写报告 → 审查
- 内容团队：研究 → 撰写 → 编辑 → 配图
- 数据分析：收集 → 清洗 → 分析 → 出图
- 代码开发：架构 → 编码 → 审查 → 测试
- 客户支持：多 Agent 分流处理不同类型工单
价格方案
| 套餐 | 价格 | 主要功能 |
|---|---|---|
| 开源版 | $0 | Apache 2.0 协议 + GitHub 源码 |
| CrewAI+ | $99/月 | 高级功能 + 监控 + 优先支持 |
| Enterprise | 定制 | 私有部署 + SSO + SLA + 培训 |
上手指南
1. 用 pip 安装 crewai，初始化一个 crew 项目
2. 定义 Agent：角色、目标、backstory 与可用工具
3. 定义 Task：写清输入、期望输出与负责的 Agent
4. 选流程：顺序执行适合流水线，层级执行适合需要主管 Agent 调度的场景
5. 接 LLM（OpenAI / Anthropic / Google / 开源模型）并运行 crewai run 验证
常见问题
CrewAI 和 LangGraph 怎么选？
CrewAI 偏 Python 优先、角色化、流程化，快速搭多 Agent 团队更省事；LangGraph 偏图结构与精细控制，复杂自定义流程更合适。
需要多强的编程基础？
有 Python 基础加一点 LangChain 概念就能上手，官方文档和示例比较齐。
能用于生产环境吗？
可以。Enterprise 版支持私有部署、SSO 与 SLA，不少公司在生产使用。
中文支持怎么样？
框架本身是英文，但 LLM 可以换成中文模型，Agent 输出中文没有问题。
